第28章订单簿与统计套利

第28章订单簿与统计套利：协整关系、配对交易、订单簿信号

统计套利，说白了就是找「亲戚」。

两只股票，看起来各自涨跌没规律，但它们的价差却像被一根绳子牵着——远了会拉回来，近了会弹开。这就是协整关系。我个人习惯把这种关系叫做「市场里的双人舞」，步调可能不一致，但节奏始终同步。

28.1 协整关系：不是所有相关性都靠谱

很多人一上来就算相关系数。嗯，这里要注意——相关系数高不代表能套利。

举个例子：两只股票都跟大盘涨，相关系数0.95。但它们的价差可能越走越远，根本不会回归。为什么？因为相关性描述的是「同向变动」，而协整描述的是「长期均衡」。

核心区别：

相关性：短期同向波动，但不保证价差回归
协整性：长期均衡关系，价差围绕均值波动

我在项目中遇到过一只股票和它的ETF，相关系数高达0.98。我兴冲冲地做了配对，结果价差从2块一路漂到8块，亏得我头皮发麻。后来一查，ETF调仓了，协整关系早就断了。

检验协整关系，最常用的是Engle-Granger两步法：

# 第一步：回归
import statsmodels.api as sm
y = stock_a  # 股票A价格
x = stock_b  # 股票B价格
x = sm.add_constant(x)
model = sm.OLS(y, x).fit()
residuals = model.resid  # 残差 = 价差

# 第二步：ADF检验残差是否平稳
from statsmodels.tsa.stattools import adfuller
result = adfuller(residuals)
print('ADF统计量:', result[0])
print('p值:', result[1])
# p值 < 0.05 说明残差平稳，存在协整关系

我的经验：别只看p值。我建议同时看ADF统计量，绝对值越大越好。有时候p值0.049，但统计量刚过临界值，这种协整关系很脆弱，容易断裂。

28.2 配对交易：订单簿里的「价差猎人」

协整关系找到了，接下来就是怎么用订单簿信号来执行配对交易。

传统配对交易的做法是：价差偏离均值2个标准差时开仓，回归时平仓。但问题来了——你用什么价格进场？

你想想看，订单簿里的买一卖一价差可能就有0.5%，如果价差只偏离了1%，你一进场就被滑点吃掉了。所以，订单簿信号在这里至关重要。

我的做法：

计算价差的Z-score：Z = (当前价差 - 均值) / 标准差
当|Z| > 2时，触发信号
检查订单簿深度：买一卖一价差 < 阈值，且挂单量足够
用限价单进场，而不是市价单

我曾经吃过一次大亏。价差Z-score到了2.5，我直接市价单进场。结果买一卖一价差突然拉大，我多花了0.3%的成本。那次之后，我给自己定了个规矩：订单簿深度不够，信号再强也不做。

28.3 订单簿信号：给配对交易装上「眼睛」

订单簿信号不只是用来算滑点的。它还能告诉你——价差回归的概率有多大。

举个例子：

股票A的买一挂单很厚，卖一很薄
股票B的卖一挂单很厚，买一很薄

这说明什么？市场在推着A涨、B跌。如果此时价差是正向偏离（A贵B便宜），那回归的概率就更大。因为订单簿已经给出了方向信号。

我常用的订单簿信号：

深度不平衡比： (买一量 - 卖一量) / (买一量 + 卖一量)，正值表示买盘强
价差斜率： 前5档挂单量的变化趋势，判断短期方向
挂单撤单率： 高频撤单说明有大户在试盘，要小心

说白了，订单簿就是市场的「心电图」。协整关系告诉你长期该怎么做，订单簿告诉你现在能不能做。

28.4 实战框架：协整+订单簿的融合策略

下面是我个人习惯用的一个完整流程：

# 伪代码示例
def pair_trading_with_orderbook(stock_a, stock_b):
    # 1. 计算协整关系
    spread = stock_a.price - stock_b.price * hedge_ratio
    z_score = (spread - spread.mean()) / spread.std()
    
    # 2. 获取订单簿信号
    ob_a = get_orderbook(stock_a)
    ob_b = get_orderbook(stock_b)
    imbalance_a = (ob_a.bid_vol - ob_a.ask_vol) / (ob_a.bid_vol + ob_a.ask_vol)
    imbalance_b = (ob_b.bid_vol - ob_b.ask_vol) / (ob_b.bid_vol + ob_b.ask_vol)
    
    # 3. 综合判断
    if abs(z_score) > 2:
        if z_score > 0:  # 价差偏大，做空价差
            if imbalance_a < 0 and imbalance_b > 0:
                # 订单簿支持回归，执行交易
                execute_pair_trade('short_spread')
        elif z_score < 0:  # 价差偏小，做多价差
            if imbalance_a > 0 and imbalance_b < 0:
                execute_pair_trade('long_spread')

避坑指南：我曾经在2020年3月市场暴跌时，协整关系全部失效。为什么？因为系统性风险来临时，所有「亲戚关系」都会被打破。记住：协整关系只在正常市场环境下有效。极端行情下，别信任何统计套利信号。

28.5 知识体系总览

下面这张图，是我自己梳理的本章核心逻辑：

嗯，这张图基本把本章的脉络理清了。协整关系是骨架，配对交易是肌肉，订单簿信号是神经——三者缺一不可。

本章核心要点：

协整 ≠ 相关，检验协整用ADF看残差平稳性
配对交易的核心是价差回归，但执行要看订单簿深度
订单簿信号能提高配对交易的胜率，降低滑点成本
极端行情下，所有统计套利策略都要暂停

最后说一句：统计套利不是印钞机。它需要你耐心等待信号，严格执行纪律。我见过太多人，协整关系算得漂亮，一到实盘就管不住手——结果被市场狠狠教育了一顿。

记住：订单簿是市场的语言，协整关系是市场的规律。听懂语言，尊重规律，你才能在统计套利这条路上走得更远。

📚 课程目录